【技术实现步骤摘要】
一种用于风机图像故障标识的候选框调整方法
[0001]本专利技术涉及图像识别
,具体涉及一种用于风机图像故障标识的候选框调整方法。
技术介绍
[0002]随着无人机及其相关技术的快速发展,无人机被广泛地应用于各种事故和故障的巡检中。使用无人机搭配摄像机、红外热像仪或激光雷达等设备对风机的各个部位拍摄图像,然后由图像识别算法对无人机拍摄的图像进行故障识别和标记,是当前无人机领域的研究重点,可以有效地提高风机的巡检效率和减少巡检人员的工作量。然而,传统图像识别算法特征提取能力较弱导致故障识别精度较低,基于深度学习的图像识别算法精度高速度快但却需要大量的训练样本。
[0003]本专利技术提出一种用于风机图像故障标识的候选框调整方法,旨在风机图像中的故障训练样本远远不足的情况下,设计一个启发式算法调整传统图像识别算法中的候选框,使其能够更好地选中目标即风机故障,从而提高传统图像识别算法的精度,为基于深度学习的图像识别算法积累训练样本。
技术实现思路
[0004]本专利技术针对现有的传统图像识别算法中候选框精度不足的问题,提出一种用于风机图像故障标识的候选框调整方法,通过设计启发式算法,对候选框的左上角和右下角坐标进行调整,并采用可见光图像和红外热图像的故障候选框互补的方式,使候选框能够更好地选中风机故障,从而提高故障识别的精度。
[0005]本专利技术公开了一种用于风机图像故障标识的候选框调整方法,所述风机图像包括可见光图像和红外热图像,包括以下步骤:
[0006]S1、候选框坐 ...
【技术保护点】
【技术特征摘要】
1.一种用于风机图像故障标识的候选框调整方法,其特征在于,所述风机图像包括可见光图像和红外热图像,所述方法包括以下步骤:S1、候选框坐标变换:基于传统图像识别算法得到候选框集合B,设计坐标变换矩阵和变换公式c
i
=b
i
*a
4*4
,将其变换为集合C;其中,B={b
i
},b
i
=(x
i
,y
i
,w
i
,h
i
),(x
i
,y
i
)为候选框b
i
中心点的直角坐标,(w
i
,h
i
)为b
i
候选框的长和宽;C={c
i
},c
i
=(c
i1
,c
i2
,c
i3
,c
i4
),(c
i1
,c
i2
)为候选框c
i
左上角的直角坐标,(c
i3
,c
i4
)为候选框c
i
右下角的直角坐标;S2、调整参数a
ki
计算:基于传统图像识别算法中的NMS,设计候选框的调整参数a
ki
(g
k
,c
i
)=relu(s
k
+s
i
‑1‑
GIOU(g
k
,c
i
))*((c
i1
‑
g
k1
),(c
i2
‑
g
k2
),(c
i3
‑
c
k3
),(c
i4
‑
g
k4
)),a
ki
为四维向量,s为候选框的置信分数,候选框g
k
=(g
k1
,g
k2
...
【专利技术属性】
技术研发人员:杨苹,张淼,王仁杰,刘泽健,范紫微,
申请(专利权)人:深圳华工能源技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。